当日发布与版本定位

ggml-org/llama.cpp 的当日 Release 接口显示，b11062 于 2026-09-20T09:46:58Z 发布，对应上海时间 2026 年 9 月 20 日 17 时 46 分 58 秒，标记为 prerelease，目标提交为 3cf03257f219afbe7334045ff7c6a06ac68c627d，落在 Asia/Shanghai 当日 00:00:00 至 23:59:59 窗口内。仓库接口于同日 2026-09-20T10:23:45Z 更新，推送时间为 2026-09-20T09:46:57Z，归属仍为 ggml-org，仓库地址为 https://github.com/ggml-org/llama.cpp，公开可见且未归档、未禁用，许可证仍为 MIT。本次为该仓库在 b11060 之后的又一次预发布增量，共合入 2 个提交，未声明新模型架构发布、许可证变更、安全漏洞修复或维护状态变化，应按常规增量理解。

关键变化

当日合入的第一项为 CUDA 为 Qwen4 启用稀疏注意力，对应提交 3cf03257，时间为 2026-09-20T08:08:11Z，改动位于 ggml/src/ggml-cuda 的 fattn-common 与 fattn-mma-f16 等文件，共 103 行变更。背景是稀疏场景下查询块共享索引列表，本次调整 compact mask 接口并按查询块与可见列重算 KV 上限与分配，避免按原固定上限分配。改动限定于 CUDA 闪存注意力路径，未提及新增配置项、命令行变化或模型格式变化，公开表述限定为标题级功能事实，不扩展为已验证的精度提升或全系列模型加速承诺。

当日合入的第二项为界面移动端断点与内容溢出修复，对应提交 b23efaa，时间为 2026-09-20T05:59:43Z。改动包括聊天列增加最小宽度约束使内层滚动接管，Markdown 表格外包滚动容器，长行内联内容按词换行，图片附件按最大宽高自适应收缩，工具调用长标题允许收缩滚动，get_info 改为可折叠表格块。改动范围为前端界面展示逻辑，未涉及推理后端、模型加载与量化权重格式，公开表述限定为界面修复事实，不扩展为功能新增或性能结论。

适用对象与兼容性

仓库归属为 ggml-org/llama.cpp，地址为 https://github.com/ggml-org/llama.cpp，当日仓库接口显示可见性为公开，非归档或禁用，语言为 C++，主页为 llama.app。本次 MIT 许可不变，发布说明与对比均未提及许可变化，允许在保留版权声明条件下使用、复制、修改与分发。当日发布页已同步列出预编译资产，用户可按平台从 Release 页面下载对应文件，或克隆仓库自行编译，访问无需额外授权，具体可用资产以页面实时列表为准。

兼容性方面，当日来源未声明命令行、配置文件、GGUF 格式、RPC 线协议或模型加载逻辑等破坏性变更，模型文件与已有量化权重无需重转。以 CUDA 做 Qwen4 本地推理的用户属于直接相关面，升级后应验证稀疏注意力路径是否正常调度与常用提示词回归。以自托管网页界面或移动端窄窗口访问的用户可验证表格、长代码与图片附件展示是否正常。仅做通用 CPU 或 Metal 本地推理且不使用上述路径的用户可继续使用已验证版本，跟踪同一仓库 Release 页面即可，不以聚合榜单或转载为准。

限制与下一步

  • 预发布增量版本，不适合当作稳定版直接全量替换；当日来源未声明安全漏洞修复，不应解读为安全版本；当日来源仅给出 CUDA 与界面标题级改动与文件范围，未披露完整触发条件、全部模型覆盖与生产级验证结论，相关效果推论均未独立验证；多平台预编译资产分批上传中，拉取时需确认所需平台包已就绪

中国用户如正在本地部署 llama.cpp 并使用 CUDA 运行 Qwen4 或使用自带聊天界面，建议优先在测试环境拉取 b11062 验证编译、模型加载、推理往返与界面展示回归，涉及稀疏注意力与移动端展示的用户可重点验证对应路径，通过后再推广到生产。验证前建议确认所需预编译包已上传完成，保留可回退版本，后续以维护方当日 Release 为唯一依据。